• 信创大潮下,产业金融路在何方?


     一个金融数字化转型的底层逻辑正在显现。从客户需求出发,应用层、平台层升级、迭代,当达到开发天花板时,将会倒逼底层基础设施升级、迭代,前后端加速融合。 

    作者|斗斗 

    编辑|皮爷 

    出品|产业家 

    “ 2805 个银行网 点终止营业。” 

    网点正在“瘦身”。一个事实是,随着越来越多的科技公司及资本选择通过消费金融、支付、财富管理等入场,如今的银行业竞争越发激烈。 

    然而,与之对应的是操作复杂性、原有系统和愈发严格的监管环境。换言之,金融机构的管理者很难像零售、旅游等行业那样灵活地做转型。 

    “那感觉就像我一只手被绑在背后去打架。”某个零售银行的数字营销负责人在媒体采访时表示。 

    根据BDO的调查研究,虽然有68%的金融机构、服务组织已经制定了数字化转型战略,但真正实施的只有14%。 

    然而,另外一个事实是,金融领域由于其具备的资金优势、丰富的客户类型以及同质化竞争下高技术需求,一直走在数字化的前沿使得其成为了数字化非常好的试验场。 

    一边是较低的数字化实施率,一边是市场公认的处在数字化前沿的行业。这样的两极化让金融这个领域有着极强的代表性和较高的研究价值,更是当下产业数字化转型较好案例的提供者。

    虽然在过去的几年里,各银行的数字化转型进度不一,但在这背后存在着众多原因,并不能仅以“马太效应”一言以蔽之。我们需要更加清晰地看到数字金融发展的路径、模式、进程、痛点与未来。 

    金融行业的数字化转型,代表的也恰是整个中国产业数字化转型的最前沿标杆。 

    本文将着重分析三个问题: 

    1、不同体量的金融机构,数字化转型的主要模式是什么?

    2、金融机构数字化转型的痛点是什么?数字化服务商们如何赋能金融数字化?

    3、数字化如何加速金融行业的信创建设?

    一、转型路径:自研VS合作

    路径选择通常是数字化转型的成败的关键。 

    目前,国内的金融机构数字化转型的主要有三种模式。 

    一是设立独立科技子公司, 这种模式颇受大型金融机构青睐,几乎成为一线金控、银行、保险集团的标配。子公司可以与信息科技部门紧密绑定,配合业务单元或职能部门完成诸如App开发等工作,但目前来看极少数子公司可以独立。 

    二是引入外部数字化团队合作, 这种模式一般适用于未能建立完备科技力量的中小型金融机构,通过引入相对成熟的体系或产品,降低风险。另外,也有少数大型金融集团的业务公司针对自身业务,通过引入外部智库,发起更为直接、更为贴身的智能化项目。 

    三是与科技公司共建, 这种模式常见于,有过一些数字化转型经验的金融机构。这类机构更为清醒地认识到自身能力边界与迭代改进的极限所在。对互联网公司线上化的场景和流量能力较为看中,因而与数据/AI公司、互联网公司协作共建成为新兴趋势,这一趋势在许多客户网络单薄的中小型金融机构身上也有诸多体现,并有从单点协作向生态转换的显著趋势。 

    可以明显地发现,大型金融机构和中小金融机构在数字化转型的路径选择上,虽有交叉,但也有明显的差异。大型金融机构凭借规模优势和雄厚的资金实力,在数字化转型过程中注重修炼内功;相比之下,中小金融机构几乎不可能通过自己的努力进行数字化转型,留给他们的选择只有一个——与第三方合作。 

    具体来看,大型金融机构在依托自身资源进行数字化发展的同时,也同互联网巨头公司合作推进技术成果的落地,进一步推动数字化的广度与深度。

    如中国银行与京东金融在网络支付、网络营销、公司金融等方面开展深度合作,共同打造金融服务生态,中国银行可通过京东集团内的商户以及物流等生态体系来扩大获客范围,促进精准营销;招商银行与腾讯携手共建互联网金融安全生态圈,基于腾讯金融反欺诈模型数据,完善自身对于欺诈风险的精准量化分析。 

     而中小金融机构主要包括城市商业银行、农村商业银行和民营银行三大类。其中以城市商业银行、农村商业银行为代表的中小商业银行数量庞大,但相较于大型商业银行来说,其资金、人才、技术资源较为匮乏,数字化发展基础较弱,所以城商行、农商行普遍倾向于与金融科技公司合作来进行数字化,以此来弥补其在金融科技技术方面的劣势,推动创新业务的发展。 

    中小商业银行大多将零售业务的数字化,作为自身数字化发展的首要战略。 一方面,专注于零售业务这一细分市场,选取特定金融产品作为数字化转型目标,依托区域地方特色以及客户特征,打造具有本行特色的爆款产品以及金融服务,实现与大型商业银行的差异化竞争。 

    如亳州药都农商行依托当地特色的中医药产业,打造了名为“金农信E贷”的一款供应链金融产品,其运作核心是对中医药供应链上的核心企业进行综合授信,通过支持上下游企业提供应收账款、仓单等方式进行融资。 

    另一方面,找准数字化转型的“特色突破口”。比如在直销银行、智能客服、数字化风控、生态圈银行等环节形成市场竞争力。 

    伴随行业信息化建设的不断提速,传统银行机构在各自的数字化转型过程中,需要面对的发展机遇与挑战日益突出。 

    二、传统金融的数字化“解法”

    金融数字化转型是一个巨大的工程,除了路径的选择,更需要对整个数字化产业链的统 一把控。 

     银行数字化的产业链主要由上中下三个层面的组成。首先是前端应用,其包含了直接作用在银行对外业务部门和对内职能部门的系统或解决方案;其次是支撑平台,其包含数据中台、业务中台、银行隐私计算解决方案等可以向多个银行部门提供支撑能力的系统或解决方案;最后是底层基础设施,其主要指智能运维、数据库等底层能力,是银行数字化建设的根基。 

    具体来看前端应用层的数字化转型。一些明显的问题是,近年来,由于人口流量红利逐渐见顶,公域流量获取难度和成本直线攀升;城乡居民可支配收入的持续攀升带来了财富管理需求的暴涨,加之监管要求下银行理财业务越发受限;加之在信创政策下,原本的办公旧系统亟待全面升级换代。 

    面对这些痛点,一些数字化服务商提供了一系列的解法。 

    以微吼、微盛、微赞为代表的服务商,帮助金融机构搭建可供全行及各分支机构共同使用的私域运营平台系统,解决了银行各分支之前重复建设以及存在数据壁垒的痛点;提供了标准化的私域运营产品、工具以及低代码开发平台,解决了银行系统之前无法与外部平台无法链接的问题,帮助其可以实现自主开发和系统迭代。 

    以阿里云、火山引擎、金融壹帐通为代表的服务商,搭建了财富管理平台以及提供了具体的解决方案,帮助银行将营销平台与企业微信、银行APP等线上营销渠道与线下营销渠道进行链接,解决了线上及线下渠道获客能力不足的问题;基于AI、大数据等技术构建客户分析模型,帮助银行从风险偏好、资产能力等多角度进行客户洞察、生成客户标签、构建全面的客户画像,或进行精细化客户分层。解决了运营阶段,缺乏全周期、精细化的客户运营能力,客户粘性弱的痛点。 

    以钉钉、泛微、飞书、企业微信等为代表的协同办公服务商,帮助规模大的银行,按照银行内部组织架构、岗位设置、业务流程低成本的提供个性化的定制方案;对资产规模较小的银行,可通过标准化组件+较小部分定制化的形式,提供产品功能完善、具备快速部署能力的综合办公系统。 

    其次再看数字化转型中游。要知道数字化转型重在“数字”,挖掘数据价值需要从不同的业务系统中提取有用的数据,进行清洗和加工处理,从而进行分析;其次,传统软件开发工具,开发周期长、部门协作难,无法满足银行丰富的开发需求。 

    另外,在日渐严格的数据隐私保护法的影响下,传统外部数据应用体系,由于合规性较差数据利用率较低等原因,逐渐难以适用;更为重要的是,银行传统以大数据平台、数据仓库等为主的数据体系,大多是基于单一业务部门需求所搭建的,难以对全行业务进行赋能,各部门间数据孤岛现象严重,数据价值难以有效发挥。 

    微软、阿里云、观远数据等服务商,以BI商业智能的能力帮助金融机构,将将BI系统与ERP、OA、财务系统相关数据库或者外部数据库对接,实现多源异构数据的高效管理;还提供自助式BI产品,支撑业务人员通过简单的拖拉拽实现自助式分析。更有一些服务商可以提供一站式AI+BI能力,帮助业务人员进一步降低上手门槛。 

    以奥哲、伙伴云等为代表的服务商,打造了低代码平台,在线表单、工作流配置、报表等基础的工具,以经过封装的产品工具、纯拖拉拽的操作以及可视化开发的方式降低平台学习成本,解决了业务人员需求的无法快速落地的痛点;并且,以全生命周期开发、开放集成、灵活部署等能力,解决了开发效率低、开发无法协同以及协作能力较低的问题。 

    以百度智能云、锘崴科技、星云为代表的服务商,用全面的隐私计算技术架构,帮助金融机构解决了无法按需与第三方数据机构进行外部数据合作的痛点;另外,完善的联邦学习、多方安全计算、同态加密等核心隐私计算技术框架,可以让银行用户在风控、营销、反欺诈等不同业务场景,按需灵活使用不同的隐私计算技术,更好的为业务赋能。 

    最后是底层基础设施方面。 

    一个是事实是,近年来,受银行数字化转型进程的持续发展以及国家金融信创政策日渐严格等多方面因素影响,银行传统以DB2、Oracle等集中式数据库为主的数据库体系由于缺乏横向拓展能力、业务连续性支撑能力不足、安全可控性较差等原因逐渐难以适用。 

    另外一个底层痛点是,随着银行数字化转型的不断深入以及业务场景的持续拓展,IT架构向云原生转变,业务系统复杂度和数据量的直线上升,对系统的运维能力提出了更高要求。 然而,银行传统以人工和简单运维工具构成的运维体系,由于成本较高且运维效率低等问题,逐渐无法应对运维需求。 

    以PingCAP、华为云等为代表的分布式数据库服务商,具备弹性拓展能力,解决了传统集中式数据库仅支持纵向拓展,横向拓展能力不足的问题;以存算分离或数据多分片等技术架构,且需具备数据备份和恢复功能,使银行数据系统风险有效分散。解决了当单点发生故障时,常需要对整体系统进行停机处理,业务连续性难以保障的问题;更为重要的是,由于数据库产品属于国产自研,核心技术掌握在自己手中,符合信创标准。 

    以云智慧、优云、博睿数据为代表的智能运维服务商,帮助银行用户搭建统一的智能化监控平台,一方面,通过对各类监控工具的统一管理和应用,避免数据重复采集现象的发生,减少整体监控系统压力;另一方面,结合机器学习等AI技术,依托智能数据过滤、关键数据识别、采集密度与频率调整等智能化工具,提升整体运维效率,并减少运维成本。 

    并在完善的AI能力和大数据技术下,帮助银行建立全面的智能化运维工具体系,实现从故障发现,到故障告警,再到故障处置的全流程自动化运维。解决了以往过于依赖运维人员经验的局限性。大幅提升全流程的运维效率,并进一步降低运维成本。 

     从前端到后端,金融数字化转型的每一个环节缺一不可。一个金融数字化转型的底层逻辑逐渐显现,从客户需求出发,应用层、平台层升级、迭代,当达到开发天花板时,将会倒逼底层基础设施升级、迭代,前后端加速融合。

    数字化下高效的金融服务,逐渐淘汰了传统低效的硬件设施、线下服务。 

    回到文章开头,2805个网点关闭或许是数字银行转型的开端。正如布莱特·金在《银行4.0》一书中写道:“金融服务无处不在,就是不在银行网点”。 

    三、信创进程下,产业金融的尽头在哪里?

    金融数字化转型不仅仅在于转型本身,更在于基础软硬件的国产替代。一个事实的是,信创问题正在成为数字金融的终极命题。

    2020年,金融信创进行首批推广,覆盖几十家头部银行、保险、证券等机构,要求信创基础软硬件采购额占其IT外采的5-8%;2021年,第二批拓展新增百余家推广金融机构,信创在IT外采占比要求提高至10-15%;2022年计划扩容至全行业5000余家金融机构,进入全面推广阶段,信创在IT外采占比有望提高至15-25%。 

     毋庸置疑的是,未来,金融信创占比 将持续提高,金融IT基础设施、基础软件、应用软件、信息安全等在内的信息技术和产品,都实现自主创新、安全可控,是金融机构践行“金融安全是国家安全”的必经之路。 

    然而目前国内重要信息系统、关键基础设施中使用的核心信息技术产品和关键服务大多依赖国外。 

    例如,在服务器领域,IBM、HP、Sun(Oracle)几乎垄断了使用精简指令集的高端主机,主要产品包括IBM的RS6000小型机以及银行核心业务系统OS/390大型机。且供应精简指令集产品的厂商IBM、HP、Sun等生态相对封闭,具有绝对的技术壁垒,国内厂商的精简指令集产品竞争力稍显不足。 

    在数据库领域,Oracle处于垄断地位。关系型数据库对于金融业务更为适配,而现阶段全球所有的关系型数据库均使用Oracle或与Oracle相似的底层架构和应用。 

    在存储领域,国外厂商主要以美国信息存储公司及解决方案EMC(易安信)为代表。EMC的高端SAN存储主要运行方式为:两套主机共享一套存储设备,在工作时一套主机在工作另一套主机在闲置,而在工作的主机出现故障之后,再由闲置的主机代为运行。 

    而信创产业要解决的是安全问题,将基础设施变成我们自己可掌控、可研究、可发展与可生产的,即去“IOE”化:在服务器领域去“I”(IBM)、在数据库领域去“O”(Oracle)、在存储领域去“E”(EMC)。很显然,服务商们道阻且长,仍需上下求索。 

    但站在当下来看,金融领域以数字化转型为主线,逐渐在底层基础设施和平台层逐一突破,将会加速中层基础软件对基础层硬件的产业链整合发生,加速金融信创,正如上文所言的数据库国产化就是一个例子。 

    金融信创是一个长期作战的过程,不可一蹴而就。但毋庸置疑的是,金融数字化的尽头必将是以信创为基础。 

  • 相关阅读:
    Spring Cloud(八):Spring Cloud Alibaba Seata 2PC、AT、XA、TCC
    【力扣2656】K个元素的最大和
    【Vue】使用 transition 标签实现单元素组件的过渡和动画效果(1)
    JVM调优记录
    C. Binary Strings are Fun
    Mathpix替代者|科研人必备公式识别插件|latexocr安装教程
    Day24.1:抽象类的详解
    idea Gradle 控制台中文乱码
    基于分布式高可用集群的网购系统优化
    我在京东的第417天:陷入了情绪的泥沼
  • 原文地址:https://blog.csdn.net/chanyejiawang/article/details/127810222